“互聯(lián)網(wǎng)+”背景下高新技術(shù)企業(yè)的稅收風(fēng)險(xiǎn)預(yù)警——基于智能優(yōu)化算法的研究

1、人工智能的發(fā)展離不開大數(shù)據(jù)技術(shù)，而大數(shù)據(jù)技術(shù)的發(fā)展是國家信息化進(jìn)程和“互聯(lián)網(wǎng)+”發(fā)展規(guī)劃中的重要內(nèi)容。隨著大數(shù)據(jù)技術(shù)的發(fā)展，國家稅收征收系統(tǒng)也在不斷地進(jìn)行更新和迭代。2011 年 5 月，麥肯錫全球研究所根據(jù)研究成果進(jìn)行了一次預(yù)測(cè)，指出如果能夠?qū)⒋髷?shù)據(jù)技術(shù)科學(xué)合理地運(yùn)用到公共服務(wù)領(lǐng)域中，歐洲政府不僅可以有效地遏制偷逃稅收的行為，而且每年可以減少 1 000 億歐元的政府支出。2008 年 12 月，經(jīng)濟(jì)合作與發(fā)展組織（OECD）構(gòu)建了包

2、含五個(gè)步驟的稅收遵從風(fēng)險(xiǎn)模型，步驟主要為：識(shí)別和評(píng)估風(fēng)險(xiǎn)、分析遵從行為、制定、計(jì)劃和執(zhí)行戰(zhàn)略。納稅遵從風(fēng)險(xiǎn)一直是稅務(wù)工作的核心問題，其具體要求又可細(xì)分為及時(shí)申報(bào)、準(zhǔn)確申報(bào)和按時(shí)繳款。由此可見，借助大數(shù)據(jù)、機(jī)器學(xué)習(xí)、智能算法等新興技術(shù)提升稅務(wù)系統(tǒng)風(fēng)險(xiǎn)防范、預(yù)警、決策板塊功能，是可望突破的領(lǐng)域。一、研究背景 一、研究背景近年來，創(chuàng)新創(chuàng)業(yè)政策的大力推行使得企業(yè)申報(bào)高新技術(shù)企業(yè)資質(zhì)熱情高漲。國家為了加強(qiáng)對(duì)科技型中小企業(yè)的支持，鼓勵(lì)其創(chuàng)造新技術(shù)、

3、新業(yè)態(tài)、新供給，促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)，進(jìn)一步加大了對(duì)高新技術(shù)企業(yè)的政策扶持力度。隨著有關(guān)政策的實(shí)施，在高新技術(shù)企業(yè)優(yōu)惠政策執(zhí)行中，納稅人、稅務(wù)機(jī)關(guān)均面臨著應(yīng)對(duì)涉稅風(fēng)險(xiǎn)的挑戰(zhàn)。為了能獲得 3 年 15%的企業(yè)所得稅稅收優(yōu)惠，有些企業(yè)在明知自身?xiàng)l件不達(dá)標(biāo)的情況下通過第三方服務(wù)機(jī)構(gòu)包裝申報(bào)材料，企圖通過認(rèn)定而達(dá)到偷稅、逃稅的目的。2009 年 6 月 24 日，時(shí)任國家審計(jì)署審計(jì)長(zhǎng)劉家義在工作匯報(bào)中指出，通過抽查享受高新技術(shù)企業(yè)稅收優(yōu)惠的 116

4、 戶企業(yè)后發(fā)現(xiàn)，其中有 85 家企業(yè)不符合條件（其中也包括了知名企業(yè)），共計(jì)享受稅收優(yōu)惠高達(dá) 36.31 億元。如果這類企業(yè)順利地被認(rèn)定為高新技術(shù)企業(yè)，那么無疑會(huì)侵蝕國家的稅基，同時(shí)也給其自身帶來了巨大的稅務(wù)風(fēng)險(xiǎn)。2017 年，北京市科學(xué)技術(shù)委員會(huì)通知取消北京炎炎互動(dòng)數(shù)碼科技有限公司在內(nèi)的 34 家企業(yè)的高新技術(shù)企業(yè)資稅額的目標(biāo)，但是也指出了爬蟲技術(shù)的弊端在于信息來源相對(duì)比較窄，只能有效地爬取上市公司公開的財(cái)務(wù)信息且信息源也不穩(wěn)定。（三

5、）風(fēng)險(xiǎn)預(yù)警與機(jī)器學(xué)習(xí)算法機(jī)器學(xué)習(xí)領(lǐng)域有關(guān)算法被廣泛地運(yùn)用在大數(shù)據(jù)分析過程中，其原理涉及多種理論，比如逼近論、概率論和統(tǒng)計(jì)學(xué)等，機(jī)器學(xué)習(xí)是一門致力于研究如何使用計(jì)算機(jī)模擬和實(shí)現(xiàn)人類行為的學(xué)科。傳統(tǒng)的風(fēng)險(xiǎn)評(píng)估通?；谛颖緮?shù)據(jù)設(shè)立指標(biāo)體系，根據(jù)綜合評(píng)價(jià)方法設(shè)置指標(biāo)評(píng)價(jià)權(quán)重，給出評(píng)價(jià)分；而后期的風(fēng)險(xiǎn)評(píng)估通常會(huì)借助基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)算法進(jìn)行分析，并且內(nèi)核的算法在不斷進(jìn)行優(yōu)化。蔣盛益 等（2010）通過結(jié)合多種機(jī)器學(xué)習(xí)算法構(gòu)建了上市公司財(cái)務(wù)風(fēng)險(xiǎn)

6、預(yù)警模型，從 29 個(gè)指標(biāo)中篩選出 9 個(gè)指標(biāo)進(jìn)行建模，結(jié)果表明，眾多算法中有四種算法預(yù)測(cè)性能良好，能夠比較好地預(yù)測(cè)上市公司的財(cái)務(wù)危機(jī)。丁嵐 等（2017）以邏輯斯蒂（Logisitic）回歸、決策樹、支持向量機(jī)（SVM）作為一級(jí)學(xué)習(xí)器，以 SVM 作為二級(jí)學(xué)習(xí)器，構(gòu)建了基于 Stacking 集成策略的評(píng)估模型，預(yù)測(cè)互聯(lián)網(wǎng)金融點(diǎn)對(duì)點(diǎn)借貸平臺(tái)（P2P）中借款人的違約風(fēng)險(xiǎn)，并且采用十折嵌套交叉驗(yàn)證方法克服了交叉學(xué)習(xí)現(xiàn)象，通過實(shí)際交易數(shù)據(jù)驗(yàn)

7、證發(fā)現(xiàn)基于Stacking 集成策略的預(yù)測(cè)模型能夠顯著降低兩類錯(cuò)誤比例，提高預(yù)測(cè)正確率。綜上可知，利用機(jī)器學(xué)習(xí)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)已經(jīng)成為一種可以被接受和認(rèn)可的方法，其作用逐漸得到彰顯并進(jìn)入到實(shí)用階段。但是，當(dāng)前具體應(yīng)用于稅務(wù)風(fēng)險(xiǎn)評(píng)估模型中的機(jī)器學(xué)習(xí)算法只有一些相對(duì)單一的算法，比如關(guān)聯(lián)規(guī)則算法、神經(jīng)網(wǎng)絡(luò)算法等，并沒有采用集成策略或使用智能優(yōu)化之后的算法改進(jìn)單一算法的模型的正確性和效率。針對(duì)高新技術(shù)企業(yè)的稅收風(fēng)險(xiǎn)，盡管有學(xué)者進(jìn)行了理論性的探討，但

8、如何運(yùn)用比較前沿的智能優(yōu)化算法進(jìn)行風(fēng)險(xiǎn)預(yù)警的研究尚不多見，本文打算從這一角度進(jìn)行探索性構(gòu)想。三、智能優(yōu)化算法的理論基礎(chǔ) 智能優(yōu)化算法的理論基礎(chǔ)智能優(yōu)化算法，也被稱作智能算法，主要用來解決最優(yōu)化問題。優(yōu)化算法是一種以數(shù)學(xué)為基礎(chǔ)的、用于求解各種優(yōu)化問題的應(yīng)用性技術(shù)。在經(jīng)濟(jì)學(xué)、管理學(xué)、計(jì)算機(jī)和機(jī)器人等眾多學(xué)科中出現(xiàn)了許多復(fù)雜的組合優(yōu)化問題，面對(duì)這些大型問題，牛頓法、單純性法等傳統(tǒng)的優(yōu)化方法無法在短時(shí)間內(nèi)完成搜索，容易造成搜索的“組合爆炸”。受